关于图模型学习中使用的先验与后验分布

图模型的学习与推断通常采用贝叶斯技术进行。具体而言，学习过程通常分为两个独立步骤：首先从数据中学习图结构；然后在给定该图结构的条件下估计模型参数。虽然第二步中涉及的概率分布已被深入研究，但第一步中使用的分布尚未得到同等程度的探讨。本文旨在研究定义在图结构空间上的先验与后验分布，以用于图模型的结构学习。特别是，我们将刻画这些分布随图的可能边变化的行为特征。随后，我们将利用此次刻画所得的性质，为贝叶斯网络和马尔可夫网络定义结构变异性度量，并指出其一些潜在应用。